欧盟已经向这支计划使用AI技术重现历史气息与嗅觉要素的研究团队提供280万欧元资助。
团队名为“Odeuropa”,拥有来自多个学科的欧洲科学家及学者,具体涵盖历史、艺术史、计算语言学、计算机视觉、语义网、博物馆学、文物科学以及化学等。
未来三年当中,专家们将合作开发“感官发掘与嗅觉文物科学”领域的新颖方法,希望根据数字文本与图像集合构建起一套历史气息、气味与嗅觉百科全书。以此为基础,他们将与化学家、艺术家以及调香理财合作,重建数据库内记录的各种气味。
使用人工智能创造气味历史
Odeuropa项目的总体目标,在于描绘各种气味如何随时间变化,并在社会意义层面发生的改变。正如团队成员William Tullett博士在采访中所言,烟草就是一个典型的例子。
他表示,“烟草是一种重要的商品,于十六世纪被引入欧洲。最初的烟草有一种奇特的气味,但之后很快进行了调整与改良,并成为众多欧洲城镇气味环境中的组成部分。”
人工智能则通过计算语言学与计算机视觉介入其中,相关算法可发掘历史文本与图像,由此生成气息与气味结果,并将其整理进在线《气味传承百科全书》。
这些算法还将扫描气味的感官质量、情感意义以及社会意义等参考结论,帮助Odeuropa团队得以构建起跨越数十年乃至几个世纪的多维气味描述。
Tullett指出,“无论是用迷迭香等草药预防鼠疫,还是在十八、十九世纪使用有气味的盐作为晕厥解药,整个历史总是充斥着各种各样的气味。”
通过开发这部气味百科全书,该团队致力于为历史提供更为多样的感官体验。他们将使用人工智能采集到的气味数据重现各种气味,并将其应用于博物馆及文物古迹当中。
AI与历史
Odeuropa确实是第一个使用AI技术重构历史气味的项目,但却并不是将AI技术引入历史重建的首次尝试。
去年,伦敦大学学院的研究人员使用机器学习对范艾克的画作进行了推理修复。另一个由欧盟资助的Time Machine项目则使用AI技术分析历史文档,借此重建欧洲城市过往的样貌。
今年10月,谷歌公布了一套基于深度学习的工具集,此工具集将帮助研究人员使用历史地图与图像重建城市。谷歌希望这套资源能够成为一份“纲要,帮助历史爱好者们以虚拟方式体验世界各地的城市发展史,帮助研究人员、政策制定者与教育人士勾勒历史面貌,也给普通用户带来一些值得追忆的情怀氛围。”
除了模拟过去之外,AI技术还帮助考古学家们识别考古特征,并预测哪些位置更有可能发现过往人类活动与定居痕迹。
AI技术培训能够以惊人的速度搜寻大量数据,并提供愈发准确的预测结果,因此相信其必然会在历史研究中长期保持活跃。换句话说,人工智能既代表着我们的未来,也将帮助我们深入发掘过去。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。